BigQuery-veiledning

Denne funksjonen er bare tilgjengelig i Analytics 360, som er en del av Google Marketing Platform.
Finn ut mer om Google Marketing Platform.

I denne artikkelen finner du eksempler på hvordan du kan lage søk ved hjelp av Analytics-dataene du eksporterer til BigQuery. Vi har gjort tilgjengelig et eksempeldatasett, slik at du kan øve deg med søkene i denne artikkelen.

I denne artikkelen:

Optimalisering av søk

Alle søkene du kjører, bidrar til den månedlige datamengden som blir behandlet. Hvis du velger irrelevante felt, øker du datamengden som må behandles. Da bruker du mer av den månedlige kvoten din enn nødvendig. Når du bruker optimaliserte søk, bruker du den månedlige databehandlingskvoten på en mer effektiv måte.

Finn ut mer om prissetting.

Velg bare det du trenger

Når du formulerer et søk, velger du de relevante feltene i SELECT-utsagnet. Hvis du ikke kaller irrelevante felt, reduserer du datamengden – og tiden det tar å behandle søket.

Eksempel: Unngå å bruke jokertegnoperatoren

Ugunstig valg: bruk av jokertegnoperatoren
SELECT *
FROM [tabellnavn];

 

Gunstigere valg: bruk av feltnavn for å unngå unødvendig behandling
SELECT felt1, felt2
FROM [tabellnavn];

Tillat bufring

Når det er mulig, bør du unngå å bruke funksjoner som felt. Funksjoner (f.eks. NOW() eller TODAY()) returnerer variable resultater. Da blir ikke søkene bufret, og de blir returnert raskere. Bruk i stedet spesifikke klokkeslett og datoer.

Foreløpig støttes ikke bufrede resultater for søk mot flere tabeller ved bruk av jokertegn, selv om det er merket av for alternativet «Use Cached Results» (Bruk hurtigbufrede resultater). Hvis du kjører det samme jokertegnsøket flere ganger, blir du fakturert for hver enkelt søk. Finn ut mer

Bruk mellomtabeller for delsøk som brukes mye

Hvis du ser at du ofte bruker et bestemt søk som et delsøk, kan du lagre søket som en mellomtabell ved å klikke på Save as Table (Lagre som tabell) ovenfor søkeresultatene. Deretter kan du henvise til tabellen i FROM-delen av søket ditt. Slik reduserer du både datamengden som må behandles, og behandlingstiden.

Bruk av mellomtabeller
SELECT felt1, felt2
FROM [datasettnavn.tabellnavn];

Feilsøking

Koden din blir feilsøkt i BigQuery mens du lager den. Feilsøkingen blir angitt like nedenfor søket i inndatavinduet. Feilsøking er også tilgjengelig via API-et med dryRun-flagg.

Gyldige søk inneholder en grønn indikator du kan klikke på for å se hvor store datamengder som blir behandlet av søket. Med denne funksjonen har du muligheten til å optimalisere dataene dine før du kjører søket, slik at du kan unngå å behandle unødig store datamengder.

Query Debugging - Success

 

Ugyldige søk inneholder en rød indikator du kan klikke på for å se informasjon om feilen. På den måten kan du finne ut hvilken linje og kolonne feilen har oppstått i. I eksempelet nedenfor er GROUP BY-utsagnet tomt, og feilen er identifisert.

Query Debugging - Error

 

Tips og anbefalte fremgangsmåter

Ved bruk av eksempeldatasettet

Eksempeldatasettet for Google Analytics er brukt i eksemplene nedenfor.

Du kan bruke søkene på dine egne data ved å erstatte prosjekt- og datasettnavnene i eksemplene med dine egne prosjekt- og datasettnavn.

Ved bruk av standard SQL kontra en eldre versjon av SQL

BigQuery har støtte for to SQL-dialekter:

I artikkelen om overgang til standard SQL forklarer vi forskjellene mellom de to dialektene.

Standard SQL er nå den foretrukne SQL-dialekten for søk etter data som er lagret i BigQuery.

I artikkelen om aktivering av standard SQL finner du informasjon om hvordan du slår på standard SQL i BigQuery-, CLI- eller API-grensesnittet eller andre grensesnitt.

Den enkleste måten å komme i gang på er ved å ta med kommentaren «standardSQL» øverst i søkene dine med standard SQL, slik du ser i eksemplene nedenfor.

Med søk med den eldre versjonen av SQL sendes Google Analytics 360-dataene til en ny tabell hver dag. For å søke i flere tabeller samtidig kan du bruke komma som skilletegn mellom tabellnavnene, bruke TABLE_DATE_RANGE-jokertegnfunksjonen for tabeller eller bruke TABLE_DATE_RANGE-funksjoner med komma som skilletegn, som i eksemplene nedenfor.

Søk i flere tabeller

I eksemplene nedenfor kan du se søk med standard SQL og en eldre versjon av SQL for de samme dataene.

Tre dager

Standard SQL
Tre dager ved hjelp av UNION ALL
#standardSQL
WITH ga_tables AS (
SELECT
date,
SUM(totals.visits) AS visits,
SUM(totals.pageviews) AS pageviews,
SUM(totals.transactions) AS transactions,
SUM(totals.transactionRevenue)/1000000 AS revenue
FROM `bigquery-public-data.google_analytics_sample.ga_sessions_20160801`
GROUP BY date

UNION ALL

SELECT
date,
SUM(totals.visits) AS visits,
SUM(totals.pageviews) AS pageviews,
SUM(totals.transactions) AS transactions,
SUM(totals.transactionRevenue)/1000000 AS revenue
FROM `bigquery-public-data.google_analytics_sample.ga_sessions_20160802`
GROUP BY date

UNION ALL

SELECT
date,
SUM(totals.visits) AS visits,
SUM(totals.pageviews) AS pageviews,
SUM(totals.transactions) AS transactions,
SUM(totals.transactionRevenue)/1000000 AS revenue
FROM `bigquery-public-data.google_analytics_sample.ga_sessions_20160803`
GROUP BY date

)
SELECT
date,
visits,
pageviews,
transactions,
revenue,
FROM ga_tables
ORDER BY date ASC
Eldre SQL
Tre dager ved hjelp av kommadelte tabellnavn
SELECT
date,
SUM(totals.visits) AS visits,
SUM(totals.pageviews) AS pageviews,
SUM(totals.transactions) AS transactions,
SUM(totals.transactionRevenue)/1000000 AS revenue
FROM
[bigquery-public-data.google_analytics_sample.ga_sessions_20160801],
[bigquery-public-data.google_analytics_sample.ga_sessions_20160802],
[bigquery-public-data.google_analytics_sample.ga_sessions_20160803]
GROUP BY
date
ORDER BY
date ASC

 

Siste 1095 dager

Standard SQL
Siste 1095 dager ved hjelp av _TABLE_SUFFIX
#standardSQL
SELECT
date,
SUM(totals.visits) AS visits,
SUM(totals.pageviews) AS pageviews,
SUM(totals.transactions) AS transactions,
SUM(totals.transactionRevenue)/1000000 AS revenue
FROM `bigquery-public-data.google_analytics_sample.ga_sessions_*`
WHERE
_TABLE_SUFFIX BETWEEN FORMAT_DATE('%Y%m%d',DATE_SUB(CURRENT_DATE(), INTERVAL 1095 DAY))
AND
FORMAT_DATE('%Y%m%d',DATE_SUB(CURRENT_DATE(), INTERVAL 1 DAY))
GROUP BY date
ORDER BY date ASC
Eldre SQL
Siste 1095 dager ved hjelp av TABLE_DATE_RANGE
SELECT
date,
SUM(totals.visits) AS visits,
SUM(totals.pageviews) AS pageviews,
SUM(totals.transactions) AS transactions,
SUM(totals.transactionRevenue)/1000000 AS revenue
FROM
(TABLE_DATE_RANGE([bigquery-public-data.google_analytics_sample.ga_sessions_],
DATE_ADD(CURRENT_TIMESTAMP(), -1095, 'DAY'), DATE_ADD(CURRENT_TIMESTAMP(), -1, 'DAY')))
GROUP BY
date
ORDER BY
date ASC

 

Siste 36 måneder

Standard SQL
Siste 36 måneder ved bruk av _TABLE_SUFFIX
#standardSQL
SELECT
date,
SUM(totals.visits) AS visits,
SUM(totals.pageviews) AS pageviews,
SUM(totals.transactions) AS transactions,
SUM(totals.transactionRevenue)/1000000 AS revenue
FROM `bigquery-public-data.google_analytics_sample.ga_sessions_*`
WHERE
_TABLE_SUFFIX BETWEEN FORMAT_DATE('%Y%m%d',DATE_SUB(CURRENT_DATE(), INTERVAL 36 MONTH))
AND
FORMAT_DATE('%Y%m%d',DATE_SUB(CURRENT_DATE(), INTERVAL 1 DAY))
GROUP BY date
ORDER BY date ASC
Eldre SQL
Siste 36 måneder ved hjelp av TABLE_DATE_RANGE
SELECT
date,
SUM(totals.visits) AS visits,
SUM(totals.pageviews) AS pageviews,
SUM(totals.transactions) AS transactions,
SUM(totals.transactionRevenue)/1000000 AS revenue
FROM
(TABLE_DATE_RANGE([bigquery-public-data.google_analytics_sample.ga_sessions_],
DATE_ADD(CURRENT_TIMESTAMP(), -36, 'MONTH'), DATE_ADD(CURRENT_TIMESTAMP(), -1, 'DAY')))
GROUP BY
date
ORDER BY
date ASC

 

Siste 3 år

Standard SQL
Siste tre år ved hjelp av _TABLE_SUFFIX
#standardSQL
SELECT
date,
SUM(totals.visits) AS visits,
SUM(totals.pageviews) AS pageviews,
SUM(totals.transactions) AS transactions,
SUM(totals.transactionRevenue)/1000000 AS revenue
FROM `bigquery-public-data.google_analytics_sample.ga_sessions_*`
WHERE
_TABLE_SUFFIX BETWEEN FORMAT_DATE('%Y%m%d',DATE_SUB(CURRENT_DATE(), INTERVAL 3 YEAR))
AND
FORMAT_DATE('%Y%m%d',DATE_SUB(CURRENT_DATE(), INTERVAL 1 DAY))
GROUP BY date
ORDER BY date ASC
Eldre SQL
Siste tre år ved hjelp av TABLE_DATE_RANGE
SELECT
date,
SUM(totals.visits) AS visits,
SUM(totals.pageviews) AS pageviews,
SUM(totals.transactions) AS transactions,
SUM(totals.transactionRevenue)/1000000 AS revenue
FROM
(TABLE_DATE_RANGE([bigquery-public-data.google_analytics_sample.ga_sessions_],
DATE_ADD(CURRENT_TIMESTAMP(), -3, 'YEAR'), DATE_ADD(CURRENT_TIMESTAMP(), -1, 'DAY')))
GROUP BY
date
ORDER BY
date ASC

 

Spesifikk datoperiode

Standard SQL
Spesifikk datoperiode ved hjelp av _TABLE_SUFFIX
#standardSQL
SELECT
date,
SUM(totals.visits) AS visits,
SUM(totals.pageviews) AS pageviews,
SUM(totals.transactions) AS transactions,
SUM(totals.transactionRevenue)/1000000 AS revenue
FROM `bigquery-public-data.google_analytics_sample.ga_sessions_*`
WHERE
_TABLE_SUFFIX BETWEEN '20160801' AND '20170731'
GROUP BY date
ORDER BY date ASC
Eldre SQL
Spesifikk datoperiode ved hjelp av TABLE_DATE_RANGE
SELECT
date,
SUM(totals.visits) AS visits,
SUM(totals.pageviews) AS pageviews,
SUM(totals.transactions) AS transactions,
SUM(totals.transactionRevenue)/1000000 AS revenue
FROM
(TABLE_DATE_RANGE([bigquery-public-data.google_analytics_sample.ga_sessions_],
TIMESTAMP('2016-08-01'), TIMESTAMP('2017-07-31')))
GROUP BY
date
ORDER BY
date ASC

Siste tre år pluss dagens data (intradag)

Standard SQL
Siste tre år pluss dagens data (intradag) ved hjelp av UNION ALL og _TABLE_SUFFIX
Merk: Dette eksempelsøket fungerer ikke med det offentlige datasettet for Google Analytics, fordi det for tiden ikke finnes noen tabell med data fra dagens dato (intradag-data).
#standardSQL
WITH ga_tables AS ( SELECT
date,
SUM(totals.visits) AS visits,
SUM(totals.pageviews) AS pageviews,
SUM(totals.transactions) AS transactions,
SUM(totals.transactionRevenue)/1000000 AS revenue
FROM `bigquery-public-data.google_analytics_sample.ga_sessions_*`
WHERE
_TABLE_SUFFIX BETWEEN FORMAT_DATE('%Y%m%d',DATE_SUB(CURRENT_DATE(), INTERVAL 3 YEAR))
AND
FORMAT_DATE('%Y%m%d',DATE_SUB(CURRENT_DATE(), INTERVAL 1 DAY))
GROUP BY date
UNION ALL

SELECT
date,
SUM(totals.visits) AS visits,
SUM(totals.pageviews) AS pageviews,
SUM(totals.transactions) AS transactions,
SUM(totals.transactionRevenue)/1000000 AS revenue
FROM `bigquery-public-data.google_analytics_sample.ga_sessions_*`
WHERE
_TABLE_SUFFIX BETWEEN FORMAT_DATE('%Y%m%d',DATE_SUB(CURRENT_DATE(), INTERVAL 1 DAY))
AND
FORMAT_DATE('%Y%m%d',DATE_SUB(CURRENT_DATE(), INTERVAL 0 DAY))
GROUP BY date
)
SELECT
date,
visits,
pageviews,
transactions,
revenue,
FROM ga_tables
ORDER BY date ASC

Eldre SQL

Siste tre år pluss dagens data (intradag) ved bruk av flere TABLE_DATE_RANGE
Merk: Dette eksempelsøket fungerer ikke med det offentlige datasettet for Google Analytics, fordi det for tiden ikke finnes noen tabell med data fra dagens dato (intradag-data).
SELECT
date,
SUM(totals.visits) AS visits,
SUM(totals.pageviews) AS pageviews,
SUM(totals.transactions) AS transactions,
SUM(totals.transactionRevenue)/1000000 AS revenue
FROM
(TABLE_DATE_RANGE([bigquery-public-data.google_analytics_sample.ga_sessions_],
DATE_ADD(CURRENT_TIMESTAMP(), -3, 'YEAR'), DATE_ADD(CURRENT_TIMESTAMP(), -1, 'DAY'))),
(TABLE_DATE_RANGE([bigquery-public-data.google_analytics_sample.ga_sessions_intraday_],
DATE_ADD(CURRENT_TIMESTAMP(), -1, 'DAY'), CURRENT_TIMESTAMP()))
GROUP BY
date
ORDER BY
date ASC

 

 

Eksempler på enkle søk

I denne delen finner du informasjon om hvordan du kan lage enkle søk ved hjelp av beregninger og dimensjoner fra eksempeldata fra Google Analytics.

Samlet antall [beregninger] per [dimensjon]?

Nedenfor finner du skripteksempler for følgende spørsmål: Hvor mange transaksjoner ble generert per enhetsnettleser totalt i juli 2017?

Standard SQL

Totalt antall transaksjoner per enhetsnettleser i juli 2017
#standardSQL
SELECT
device.browser,
SUM ( totals.transactions ) AS total_transactions
FROM `bigquery-public-data.google_analytics_sample.ga_sessions_*`
WHERE
_TABLE_SUFFIX BETWEEN '20170701' AND '20170731'
GROUP BY
device.browser
ORDER BY
total_transactions DESC

Eldre SQL

Totalt antall transaksjoner per enhetsnettleser i juli 2017
SELECT
device.browser,
SUM ( totals.transactions ) AS total_transactions
FROM TABLE_DATE_RANGE( [bigquery-public-data.google_analytics_sample.ga_sessions_],
TIMESTAMP('2017-07-01'), TIMESTAMP('2017-07-31') )
GROUP BY
device.browser
ORDER BY
total_transactions DESC

 

 

Hva er den gjennomsnittlige fluktfrekvensen per [dimensjon]?

Den virkelige fluktfrekvensen er angitt som prosentandelen av besøk som består av en enkelt sidevisning. Nedenfor ser du skripteksempler for følgende spørsmål: Hva var den virkelige fluktfrekvensen per trafikkilde?

Standard SQL

Fluktfrekvens per trafikkilde i juli 2017
#standardSQL
SELECT
source,
total_visits,
total_no_of_bounces,
( ( total_no_of_bounces / total_visits ) * 100 ) AS bounce_rate
FROM (
SELECT
trafficSource.source AS source,
COUNT ( trafficSource.source ) AS total_visits,
SUM ( totals.bounces ) AS total_no_of_bounces
FROM `bigquery-public-data.google_analytics_sample.ga_sessions_*`
WHERE
_TABLE_SUFFIX BETWEEN '20170701' AND '20170731'
GROUP BY
source )
ORDER BY
total_visits DESC

Eldre SQL

Fluktfrekvens per trafikkilde i juli 2017
SELECT
source,
total_visits,
total_no_of_bounces,
( ( total_no_of_bounces / total_visits ) * 100 ) AS bounce_rate
FROM (
SELECT
trafficSource.source AS source,
COUNT ( trafficSource.source ) AS total_visits,
SUM ( totals.bounces ) AS total_no_of_bounces
FROM
TABLE_DATE_RANGE( [bigquery-public-data.google_analytics_sample.ga_sessions_],
TIMESTAMP('2017-07-01'), TIMESTAMP('2017-07-31') )
GROUP BY
source )
ORDER BY
total_visits DESC

 

 

Gjennomsnittlig antall sidevisninger for produkt etter kjøpertype (brukerne som kjøper noe, kontra brukerne som ikke kjøper noe)

Nedenfor ser du skripteksempler for følgende spørsmål: Hva var det gjennomsnittlige antallet sidevisninger for produkter for brukerne som gjennomførte et kjøp i juli 2017?

Standard SQL

Gjennomsnittlig antall sidevisninger for produkter for brukerne som gjennomførte et kjøp i juli 2017
#standardSQL
SELECT
( SUM(total_pagesviews_per_user) / COUNT(users) ) AS avg_pageviews_per_user
FROM (
SELECT
fullVisitorId AS users,
SUM(totals.pageviews) AS total_pagesviews_per_user
FROM`bigquery-public-data.google_analytics_sample.ga_sessions_*`
WHERE
_TABLE_SUFFIX BETWEEN '20170701' AND '20170731'
AND
totals.transactions >=1
GROUP BY
users )

Eldre SQL

Gjennomsnittlig antall sidevisninger for produkter for brukerne som gjennomførte et kjøp i juli 2017
SELECT
( SUM(total_pagesviews_per_user) / COUNT(users) ) AS avg_pageviews_per_user
FROM (
SELECT
fullVisitorId AS users,
SUM(totals.pageviews) AS total_pagesviews_per_user
FROM
TABLE_DATE_RANGE( [bigquery-public-data.google_analytics_sample.ga_sessions_],
TIMESTAMP('2017-07-01'), TIMESTAMP('2017-07-31') ) WHERE
totals.transactions >=1
GROUP BY
users )

 

 

Nedenfor ser du skripteksempler for følgende spørsmål: Hva var det gjennomsnittlige antallet sidevisninger for produkter for brukerne som ikke gjennomførte et kjøp i juli 2017?

Standard SQL

Gjennomsnittlig antall sidevisninger for produkter for brukerne som ikke gjennomførte et kjøp i juli 2017
#standardSQL
SELECT
( SUM(total_pagesviews_per_user) / COUNT(users) ) AS avg_pageviews_per_user
FROM (
SELECT
fullVisitorId AS users,
SUM(totals.pageviews) AS total_pagesviews_per_user
FROM`bigquery-public-data.google_analytics_sample.ga_sessions_*`
WHERE
_TABLE_SUFFIX BETWEEN '20170701' AND '20170731'
AND
totals.transactions IS NULL
GROUP BY
users )

Eldre SQL

Gjennomsnittlig antall sidevisninger for produkter for brukerne som ikke gjennomførte et kjøp i juli 2017
SELECT
( SUM(total_pagesviews_per_user) / COUNT(users) ) AS avg_pageviews_per_user
FROM (
SELECT
fullVisitorId AS users,
SUM(totals.pageviews) AS total_pagesviews_per_user
FROM
TABLE_DATE_RANGE( [bigquery-public-data.google_analytics_sample.ga_sessions_],
TIMESTAMP('2017-07-01'), TIMESTAMP('2017-07-31') ) WHERE
totals.transactions IS NULL
GROUP BY
users )

 

 

Gjennomsnittlig antall transaksjoner per bruker som gjennomførte et kjøp

Nedenfor ser du skripteksempler for følgende spørsmål: Hva var det gjennomsnittlige antallet transaksjoner per bruker som gjennomførte et kjøp i juli 2017?

Standard SQL

Gjennomsnittlig antall transaksjoner per bruker som gjennomførte et kjøp i juli 2017
#standardSQL
SELECT
(SUM (total_transactions_per_user) / COUNT(fullVisitorId) ) AS avg_total_transactions_per_user
FROM (
SELECT
fullVisitorId,
SUM (totals.transactions) AS total_transactions_per_user
FROM
`bigquery-public-data.google_analytics_sample.ga_sessions_*`
WHERE
_TABLE_SUFFIX BETWEEN '20170701' AND '20170731'
AND totals.transactions IS NOT NULL
GROUP BY
fullVisitorId )

Eldre SQL

Gjennomsnittlig antall transaksjoner per bruker som gjennomførte et kjøp i juli 2017
SELECT
(SUM (total_transactions_per_user) / COUNT(fullVisitorId) ) AS avg_total_transactions_per_user
FROM (
SELECT
fullVisitorId,
SUM (totals.transactions) AS total_transactions_per_user
FROM
TABLE_DATE_RANGE( [bigquery-public-data.google_analytics_sample.ga_sessions_],
TIMESTAMP('2017-07-01'), TIMESTAMP('2017-07-31') )
WHERE
totals.transactions IS NOT NULL
GROUP BY
fullVisitorId )

 

 

Gjennomsnittlig beløp som ble brukt per økt

Nedenfor ser du skripteksempler for følgende spørsmål: Hva er det gjennomsnittlige beløpet som ble brukt per økt i juli 2017?

Standard SQL

Gjennomsnittlig beløp som ble brukt per økt i juli 2017
#standardSQL
SELECT
( SUM(total_transactionrevenue_per_user) / SUM(total_visits_per_user) ) AS
avg_revenue_by_user_per_visit
FROM (
SELECT
fullVisitorId,
SUM( totals.visits ) AS total_visits_per_user,
SUM( totals.transactionRevenue ) AS total_transactionrevenue_per_user
FROM
`bigquery-public-data.google_analytics_sample.ga_sessions_*`
WHERE
_TABLE_SUFFIX BETWEEN '20170701' AND '20170731'
AND
totals.visits > 0
AND totals.transactions >= 1
AND totals.transactionRevenue IS NOT NULL
GROUP BY
fullVisitorId )

Eldre SQL

Gjennomsnittlig beløp som ble brukt per økt i juli 2017
SELECT
( SUM(total_transactionrevenue_per_user) / SUM(total_visits_per_user) ) AS
avg_revenue_by_user_per_visit
FROM (
SELECT
fullVisitorId,
SUM( totals.visits ) AS total_visits_per_user,
SUM( totals.transactionRevenue ) AS total_transactionrevenue_per_user
FROM
TABLE_DATE_RANGE( [bigquery-public-data.google_analytics_sample.ga_sessions_],
TIMESTAMP('2017-07-01'), TIMESTAMP('2017-07-31') )
WHERE
totals.visits > 0
AND totals.transactions >= 1
AND totals.transactionRevenue IS NOT NULL
GROUP BY
fullVisitorId )

 

 

Treffsekvens

Nedenfor finner du skripteksempler for følgende spørsmål: Hvilken rekkefølge ble sidene besøkt i?

Standard SQL

Rekkefølgen brukerne besøkte sidene i, i juli 2017
#standardSQL
SELECT
fullVisitorId,
visitId,
visitNumber,
hits.hitNumber AS hitNumber,
hits.page.pagePath AS pagePath
FROM
`bigquery-public-data.google_analytics_sample.ga_sessions_*`,
UNNEST(hits) as hits
WHERE
_TABLE_SUFFIX BETWEEN '20170701' AND '20170731'
AND
hits.type="PAGE"
ORDER BY
fullVisitorId,
visitId,
visitNumber,
hitNumber

Eldre SQL

Rekkefølgen brukerne besøkte sidene i, i juli 2017
SELECT
fullVisitorId,
visitId,
visitNumber,
hits.hitNumber AS hitNumber,
hits.page.pagePath AS pagePath
FROM
TABLE_DATE_RANGE( [bigquery-public-data.google_analytics_sample.ga_sessions_],
TIMESTAMP('2017-07-01'), TIMESTAMP('2017-07-31') )
WHERE
hits.type="PAGE"
ORDER BY
fullVisitorId,
visitId,
visitNumber,
hitNumber

I dette søket begrenser du trefftypene til PAGES for at du skal slippe å se hendelses- eller transaksjonsinteraksjoner. Hver enkelt linje i resultatene representerer en sidevisning, og blir vist i standardrekkefølgen for feltene i SELECT-setningen.

 

 

Flere egendefinerte dimensjoner på treff- eller øktnivå

Egendefinert dimensjon på treffnivå
SELECT fullVisitorId, visitId, hits.hitNumber, hits.time,
MAX(IF(hits.customDimensions.index=1,
hits.customDimensions.value,
NULL)) WITHIN hits AS customDimension1,
FROM [tableID.ga_sessions_20150305]
LIMIT 100

 

Egendefinert dimensjon på øktnivå
SELECT fullVisitorId, visitId,
MAX(IF(customDimensions.index=2,
customDimensions.value,
NULL)) WITHIN RECORD AS customDimension2,
FROM [tableID.ga_sessions_20150305]
LIMIT 100

I hvert søk:

SELECT-setningen søker etter de aktuelle dimensjons- og beregningsfeltene.

MAX-funksjonen:

  • Returnerer den egendefinerte dimensjonen som en ny kolonne. Du kan gjenta funksjonen for at flere egendefinerte dimensjoner skal returneres som nye kolonner.
  • WITHIN-treff og WITHIN RECORD evaluerer vilkåret i gjentatte felt i BigQuery.
  • Vilkåret i MAX blir evaluert for hver egendefinerte dimensjon, men det returneres NULL for alle dimensjoner som ikke er av typen index=1 (hits) eller index=2 (sessions).
  • Returnerer maksimumsverdien. Dette er verdien for den egendefinerte dimensjonen 1 for treff eller den egendefinerte dimensjonen 2 for økter ettersom alle de andre verdiene er NULL.

Eksempler på avanserte søk

Nå som du har lært litt om enkle søk, kan du lage søk ved hjelp av de avanserte funksjonene som er tilgjengelige i BigQuery.

Produkter kjøpt av kunder som kjøpte Produkt A (klassisk netthandel)

Nedenfor ser du et enkelt skript for følgende søk: Hvilke andre produkter kjøpte kundene som kjøpte produkt A?

Produkter kjøpt av en kunde som kjøpte produkt A (klassisk netthandel)
SELECT hits.item.productName AS other_purchased_products, COUNT(hits.item.productName) AS quantity
FROM [‘Dataset Name’ ]
WHERE fullVisitorId IN (
  SELECT fullVisitorId
  FROM [‘Dataset Name’ ]
  WHERE hits.item.productName CONTAINS 'Product Item Name A'
   AND totals.transactions>=1
  GROUP BY fullVisitorId )
 AND hits.item.productName IS NOT NULL
 AND hits.item.productName != 'Product Item Name A'
GROUP BY other_purchased_products
ORDER BY quantity DESC;
  1. I den første linjen velger du alle de andre varene en bruker har kjøpt, og samlefunksjonen COUNT() brukes for å beregne antallet av de forskjellige andre varene som er kjøpt. Resultatene blir deretter vist i et felt kalt quantity, med tilhørende vare i produktfeltet kalt other_purchased_products.
  2. I den grå delsøket velger du bare de unike brukerne (fullVisitorId) som har gjennomført transaksjoner (totals.transactions>=1), og som har kjøpt produkt A under en transaksjon (WHERE hits.item.productName CONTAINS 'Product Item Name A').

Verdiene i hits.item.productName som er null og inneholder produkt A, blir ignorert av reglene (WHERE- og AND-setninger) i søket på øverste nivå (grønt).

Nedenfor ser du et enkelt skript for følgende søk: Hvis en kunde har kjøpt Brighton metallpenner – fire stk, hvilke andre produkter kjøpte kunden samtidig?

Produkter kjøpt av en kunde som kjøpte Brighton metallpenner (fire stk.) 24. juni 2013
SELECT hits.item.productName AS other_purchased_products, COUNT(hits.item.productName) AS quantity
FROM [GoogleStore.ga_sessions_20130624]
WHERE fullVisitorId IN (
  SELECT fullVisitorId
  FROM [GoogleStore.ga_sessions_20130624]
  WHERE hits.item.productName CONTAINS 'Brighton Metallic Pens - Set of 4'
   AND totals.transactions>=1
  GROUP BY fullVisitorId )
 AND hits.item.productName IS NOT NULL
 AND hits.item.productName !='Brighton Metallic Pens - Set of 4'
GROUP BY other_purchased_products
ORDER BY quantity DESC;

I Dremel/BigQuery fører bruk av WHERE expr IN til at JOIN brukes, og dermed gjelder størrelsesbegrensninger. Helt konkret må størrelsen på høyre side av JOIN (i dette tilfellet antallet besøkende) være mindre enn 8 MB. I Dremel kalles dette et broadcast JOIN. Når størrelsen er over 8 MB, må du utløse en shuffled JOIN. Dette kan du gjøre ved å bruke JOIN EACH-syntaksen. Det kan dessverre ikke gjøres ved hjelp av IN-metoden, men det samme søket kan omskrives ved å bruke JOIN.

Produkter kjøpt av kunder som kjøpte produkt A (utvidet netthandel)

Dette ligner det forrige enkle søket, men fungerer for Utvidet netthandel. Det bruker også TABLE_DATE_RANGE til å søke i data fra flere dager.

Produkter kjøpt av en kunde som kjøper produkt A (utvidet netthandel)
SELECT hits.product.productSKU AS other_purchased_products, COUNT(hits.product.productSKU) AS quantity
FROM SELECT fullVisitorId, hits.product.productSKU, hits.eCommerceAction.action_type FROM TABLE_DATE_RANGE([73156703.ga_sessions_], TIMESTAMP('2015-07-01'), TIMESTAMP('2015-07-14')))
WHERE fullVisitorId IN (
  SELECT fullVisitorId
FROM TABLE_DATE_RANGE([73156703.ga_sessions_], TIMESTAMP('2015-07-01'), TIMESTAMP('2015-07-14'))
WHERE hits.product.productSKU CONTAINS '10 15103'
AND hits.eCommerceAction.action_type = '6'
GROUP BY fullVisitorId )
AND hits.product.productSKU IS NOT NULL
AND hits.product.productSKU !='10 15103'
AND hits.eCommerceAction.action_type = '6'
GROUP BY other_purchased_products
ORDER BY quantity DESC;

Gjennomsnittlig antall brukerinteraksjoner før et kjøp

Dette er et eksempel på et søk for en JOIN() [...] ON-kommando, som bare avhenger av Analytics-data.

Nedenfor ser du et enkelt skript for følgende søk: Hva er det gjennomsnittlige antallet brukerinteraksjoner før et kjøp?

Antallet brukerinteraksjoner før et kjøp
SELECT one.hits.item.productSku AS ProductSku, ( sum_of_hit_number / total_hits ) AS avg_hit_number
FROM (
 SELECT hits.item.productSku, SUM(hits.hitNumber) AS sum_of_hit_number
 FROM [‘GA Dataset Name’ ]
 WHERE hits.item.productSku IS NOT NULL
  AND totals.transactions>=1
 GROUP BY hits.item.productSku ) AS ‘Alias_Name_1’
JOIN (
 SELECT hits.item.productSku, COUNT( fullVisitorId ) AS total_hits
 FROM [‘GA Dataset Name’ ]
 WHERE hits.item.productSku IS NOT NULL
  AND totals.transactions>=1
 GROUP BY hits.item.productSku ) AS ‘Alias_Name_2’
ON Alias_Name_1.hits.item.productSku = Alias_Name_2.hits.item.productSku;
  1. I den første linjen utføres den viktigste matematiske operasjonen for å finne det gjennomsnittlige antallet brukerinteraksjoner for hvert produkt. Med dette søket blir to delsøk kalt 'Alias_Name_1' og 'Alias_Name_2', slått sammen.
  2. ‘Alias_Name_1’ brukes for å generere et felt som bruker samlefunksjonen SUM() for å summere alle trefftallene som er registrert for et produkt.
  3. ‘Alias_Name_2’ brukes for å finne antallet treff brukerne har stått for for hvert produkt, ved å benytte COUNT()-funksjonen.
  4. Den siste linjen inneholder fellesfeltet (hits.item.productSku), som deles mellom de to datasettene som er slått sammen.

Nedenfor ser du et enkelt skript for følgende søk: Hva var det gjennomsnittlige antallet brukerinteraksjoner før et kjøp 10. september 2013?

Antallet brukerinteraksjoner før et kjøp 10. september 2013
SELECT one.hits.item.productSku AS ProductSku, ( sum_of_hit_number / total_hits ) AS avg_hit_number
FROM (
 SELECT hits.item.productSku, SUM(hits.hitNumber) AS sum_of_hit_number
 FROM [GoogleStore.ga_sessions_20130728]
 WHERE hits.item.productSku IS NOT NULL
  AND totals.transactions>=1
 GROUP BY hits.item.productSku  ) AS one
JOIN (
 SELECT hits.item.productSku, COUNT( fullVisitorId ) AS total_hits
 FROM [GoogleStore.ga_sessions_20130728]
 WHERE hits.item.productSku IS NOT NULL
  AND totals.transactions>=1
 GROUP BY hits.item.productSku ) AS two
ON one.hits.item.productSku = two.hits.item.productSku;

Prosentandelen av varebeholdningen solgt for hvert produkt

Dette er et eksempel på et søk som ikke bare bygger på Google Analytics-data, men også på data som ikke er fra Google Analytics. Ved å kombinere begge datasettene får du en bedre forståelse av brukeratferden på et mer segmentert nivå. Du kan importere data som ikke er fra Google Analytics, i BigQuery, men husk at dette fører til at den månedlige kostnaden for datalagring blir høyere.

Nedenfor ser du et enkelt skript for følgende søk: Hvilken prosentandel av varebeholdningen ble solgt for hvert produkt?

Prosentandel av varebeholdningen solgt for hvert produkt
SELECT AnalyticsImport.product_data_20130728.productId, ((( one.quantity_sold ) / ( AnalyticsImport.product_data_20130728.productstock + one.quantity_sold )) * 100 ) AS percentage_of_stock_sold
FROM [ ‘Imported_DataSet’ ]
JOIN (
  SELECT hits.item.productSku, SUM( hits.item.itemQuantity ) AS quantity_sold
  FROM [‘GA Dataset’ ]
  WHERE hits.item.productSku IS NOT NULL
   AND totals.transactions>=1
  GROUP BY hits.item.productSku ) AS ‘Alias_Name’
ON Imported_DataSet.’productId_field’ = Alias_Name.hits.item.productSku;
  1. Den første linjen har to felt: ett felt som inneholder alle produkt-ID-ene, og ett som er en matematisk operasjon som viser prosentandelen av varebeholdningen som ble solgt for den aktuelle produkt-ID-en.
  2. Siden dette søket bygger på to datasett, må du bruke JOIN() ... ON-funksjonen. Med denne kommandoen blir radene fra de to datasettene slått sammen med utgangspunkt i fellesfeltet mellom dem. I dette tilfellet er de to datasettene [ ‘Imported_DataSet’ ] og 'Alias_Name'.
  3. [Imported_DataSet] er dataene som ikke er fra Google Analytics. Dette er datasettet som inneholder beregningsfeltet for hvor stor del av varebeholdningen som er igjen (Imported DataSet.'stock_left_field'), og dimensjonsfeltet for produkt-ID (Imported_DataSet.'productId_field').
  4. ‘Alias_Name’ er navnet som er tilordnet til dataene som returneres av det grå delsøket. Delsøket bruker Analytics-data for å finne det samlede antallet varer som er solgt per produkt.
  5. I den siste linjen brukes ON-setningen for å vise fellesfeltet mellom de to datasettene, og hvor de to datasettene er slått sammen.

Mange av variablene i dette søket har datasettnavnet knyttet til prefikset (f.eks. Imported_DataSet.’productId_field’, Alias_Name.quantity_sold). Dette er for å avklare hvilket felt du velger, og for å gjøre det tydelig hvilket datasett feltet tilhører.

Nedenfor ser du et enkelt skript for følgende søk: Hvilken prosentandel av varebeholdningen var solgt for hvert produkt 28. juli 2013?

Prosentandel av varebeholdningen solgt for hvert produkt 28. juli 2013
SELECT AnalyticsImport.product_data_20130728.productId, ( ( ( one.quantity_sold ) / ( AnalyticsImport.product_data_20130728.productstock + one.quantity_sold ) ) * 100 ) AS percentage_of_stock_sold
FROM AnalyticsImport.product_data_20130728
JOIN (
  SELECT hits.item.productSku, SUM( hits.item.itemQuantity ) AS quantity_sold
  FROM GoogleStore.ga_sessions_20130728
  WHERE hits.item.productSku IS NOT NULL
   AND totals.transactions>=1
  GROUP BY hits.item.productSku ) AS one
ON AnalyticsImport.product_data_20130728.productId = one.hits.item.productSku
ORDER BY percentage_of_stock_sold DESC;

Fortjenesten for hvert produkt

Nedenfor ser du et enkelt skript for følgende søk: Hva er fortjenesten for hvert produkt?

Fortjeneste etter produkt
SELECT Alias_Name.hits.item.productSku, ( Imported_DataSet.’product profit field’ * Alias_Name.quantity ) AS profit
FROM (
  SELECT Alias_Name.hits.item.productSku, Imported_DataSet.’product profit field’
  FROM [ ‘Imported Data Set’ ]
  JOIN (
    SELECT hits.item.productSku, SUM( hits.item.itemQuantity ) AS quantity
    FROM [ ‘GA Dataset Name’ ]
    WHERE hits.item.productSku IS NOT NULL
    GROUP BY hits.item.productSku ) AS ‘Alias_Name’
  ON Imported_DataSet.productId = Alias_Name.hits.item.productSku );
  1. Den første linjen inneholder den matematiske operasjonen for å beregne den samlede fortjenesten for hvert produkt.
  2. Den grå delsøket bygger på data som ikke er fra Google Analytics, slik at dataene om hvor stor fortjenesten er når et produkt blir solgt, blir samlet inn.
  3. Den røde delsøket er delsøket for Google Analytics-data, som blir slått sammen med dataene som ikke er Google Analytics-data. Antallet solgte varer per produkt blir beregnet.
  4. I den siste linjen blir ON-setningen brukt for å avklare hvilket felt de to datasettene deler. I dette tilfellet er det produktets ID-nummer.

Nedenfor ser du et enkelt skript for følgende søk: Hva var fortjenesten for hvert produkt 28. juli 2013?

Fortjeneste etter produkt 28. juli 2013
SELECT two.hits.item.productSku, ((AnalyticsImport.product_data_20130728.productprice-AnalyticsImport.product_data_20130728.productcost)*two.quantity) AS profit
FROM (
  SELECT two.hits.item.productSku, AnalyticsImport.product_data_20130728.productcost, two.quantity, AnalyticsImport.product_data_20130728.productprice
  FROM AnalyticsImport.product_data_20130728
  JOIN (
    SELECT hits.item.productSku, SUM( hits.item.itemQuantity ) AS quantity
    FROM GoogleStore.ga_sessions_20130728
    WHERE hits.item.productSku IS NOT NULL
    GROUP BY hits.item.productSku ) AS two
  ON AnalyticsImport.product_data_20130728.productId = two.hits.item.productSku );

Fortjenesten beregnes ved å finne forskjellen mellom prisen produktet selges for, og kostnadene for å produsere produktet. Denne informasjonen blir lagret i datasettet som ikke er et GA-datasett.

Virkelig fortjeneste for hvert produkt (når refusjoner er tatt med i beregningen)

Nedenfor ser du et enkelt skript for følgende søk: Hva er den virkelige lønnsomheten for hvert produkt?

Reell fortjeneste etter produkt
SELECT Alias_Name.hits.item.productSku, (gross_profit-total_refund_revenue) AS real_profit
FROM (
  SELECT Alias_Name.hits.item.productSku, ( ( Imported_DataSet.productprice - Imported_DataSet.productcost ) * Alias_Name.quantity ) AS gross_profit, ( ( Imported_DataSet.refunddeliveryprice + Imported_DataSet.productprice ) * Imported_DataSet.refundquantity ) AS total_refund_revenue
  FROM (
    SELECT Alias_Name.hits.item.productSku, Imported_DataSet.productcost, Alias_Name.quantity, Imported_DataSet.productprice, Imported_DataSet.refunddeliveryprice, Imported_DataSet.refundquantity
    FROM [ ‘Imported DataSet Name’ ] AS 'Imported_DataSet'
    JOIN (
      SELECT hits.item.productSku, SUM( hits.item.itemQuantity ) AS quantity
      FROM [‘GA Dataset Name’ ]
      WHERE hits.item.productSku IS NOT NULL
       AND totals.transactions >=1
      GROUP BY hits.item.productSku ) AS 'Alias_Name'
    ON Imported_DataSet.productId = Alias_Name.hits.item.productSku ) );
  1. Denne spørringen er svært lik spørringen Hva er fortjenesten for hvert produkt? De eneste forskjellene er i datasettet som ikke er et Google Analytics-datasett, i den grå delsøket, og i den matematiske operasjonen der den virkelige fortjenesten blir beregnet i første linje.
  2. I datasettet som ikke er et Google Analytics-datasett, beregnes også det samlede beløpet som er brukt på refusjoner (i SELECT-setningen i det røde delsøket).
  3. Deretter utfører du en matematisk operasjon i linje 1 for å finne den reelle fortjenesten. Dette gjør du ved å trekke inntektene som er brukt på refusjoner, fra bruttofortjenesten.

Hvis du ønsker mer informasjon om spørringen, kan du se delen om fortjeneste for hvert produkt.

Nedenfor ser du et enkelt skript for følgende søk: Hva var den virkelige fortjenesten for hvert produkt 28. juli 2013?

Reell fortjeneste etter produkt 28. juli 2013
SELECT two.hits.item.productSku, (gross_profit-total_refund_revenue) AS real_profit
FROM (
  SELECT two.hits.item.productSku, ( ( AnalyticsImport.product_data_20130728.productprice - AnalyticsImport.product_data_20130728.productcost ) * two.quantity ) AS gross_profit, ( ( AnalyticsImport.product_data_20130728.refunddeliveryprice + AnalyticsImport.product_data_20130728.productprice ) * AnalyticsImport.product_data_20130728.refundquantity ) AS total_refund_revenue
  FROM (
    SELECT two.hits.item.productSku, Analytics.product_data_20130728.productcost, two.quantity, AnalyticsImport.product_data_20130728.productprice, AnalyticsImport.product_data_20130728.refunddeliveryprice, AnalyticsImport.product_data_20130728.refundquantity
    FROM AnalyticsImport.product_data_20130728
    JOIN (
      SELECT hits.item.productSku, SUM( hits.item.itemQuantity ) AS quantity
      FROM GoogleStore.ga_sessions_20130728
      WHERE hits.item.productSku IS NOT NULL
       AND totals.transactions >=1
      GROUP BY hits.item.productSku ) AS two
    ON AnalyticsImport.product_data_20130728.productId = two.hits.item.productSku ) );

Den reelle fortjenesten beregnes ut fra lønnsomheten for et produkt etter at refunderte produkter er tatt med i beregningen. Slik beregnes de samlede refusjonsinntektene for et produkt:

samlede refusjonsinntekter for et produkt = (prisen på produktet + refusjonsprisen for produktet) * antallet produkter som er refundert

Var dette nyttig for deg?

Hvordan kan vi forbedre den?

Trenger du mer hjelp?

Prøv disse trinnene:

Legg ut innlegg i brukerforumet Få svar fra brukerfellesskapet
Kontakt oss Fortell oss mer, så hjelper vi deg gjennom det
true
learning path
Velg din egen kursplan

Ta en titt på google.com/analytics/learn, en ny ressurs du kan bruke for å få mest mulig ut av Google Analytics 4. Det nye nettstedet inneholder videoer, artikler og veiledninger samt linker til Discord, YouTube-kanalen, bloggen og GitHub-repositoriet for Google Analytics.

Kom i gang med læringen allerede i dag!

Søk
Slett søket
Lukk søkefunksjonen
Hovedmeny
1517342784286580757
true
Søk i brukerstøtte
true
true
true
true
true
69256
false
false